Ledere bliver bedt om at vise deres AI-arbejde
Konkrete beviser: Ledelsesmæssig troværdighed afhænger i stigende grad af at vise, hvad du har bygget, implementeret, forbedret og lært gennem AI.
Implementering betyder noget: AI-kompetence alene kan ikke skabe transformation; ledere skal opnå interessenternes tillid og ændre den måde, organisationer arbejder på.
Dømmekraftens prøve: Gentagen brug af AI kan skærpe dømmekraften, men ukritisk tillid til output kan svække kritisk beslutningstagning.
Ansættelseskløften: Virksomheder har svært ved at vurdere ledere, der kombinerer praktiske AI-kompetencer med erfaring i at lede tværgående forandringer.
Systemopdatering: Ansættelse af ledere favoriserer stadig gamle signaler, hvilket skaber pres for at gentænke praksisser for forfremmelse, efterfølgelse og jobsamtaler.
Bed en seniorleder om at føre dig gennem et problem, de har løst med AI, og læg mærke til de første 30 sekunder.
JC Christian fra executive search-virksomheden Christian & Timbers siger, at han bruger den slags samtaler som et barometer. Det, der først interesserer ham, er ikke løsningen. Det er, om personen klart kan forklare problemet.
“De fleste kan ikke engang beskrive selve problemet præcist, for slet ikke at tale om at komme i nærheden af en løsning,” sagde han.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Når en kandidat kan give et reelt dybdegående indblik i både problemet og det, de har bygget, fortæller det ham noget. Hvis de ikke kan, betragter han det som et advarselstegn.
Det interessante er ikke interviewteknikken. Rekrutteringsspecialister har altid bedt kandidater om konkrete eksempler. Det er, hvad den dokumentation er begyndt at erstatte.
I en stor del af den moderne direktørtid kom troværdighed på toppen grundlæggende fra opsamlet mønstergenkendelse. Man havde været igennem tilstrækkeligt mange cyklusser til nogenlunde at vide, hvordan denne kunne udvikle sig, og ens værdi lå delvist i den fortolkning, som ingen andre i rummet kunne tilbyde. Tyve års erfaring med at drive virksomheder gav dig fordelen af tvivlen i de næste 12 måneder.
Den model fungerede af gode grunde. Dømmekraft under usikkerhed er svær at lære og svær at forfalske over en lang tidshorisont.
Den afhang også delvist af knaphed.
Brandon Sammut, øverste chef for mennesker og AI-transformation hos Zapier, beskrev, hvordan det så ud i en tidligere virksomhed. Et par ingeniører var de eneste i organisationen, der forstod en del af produktarkitekturen.
“Som følge heraf var de reelt urørlige,” sagde han. “Det er ikke særlig sundt eller velfungerende for nogen af parterne.”
Knapheden beskyttede de ingeniører og fangede dem. Ingen havde råd til at lade dem arbejde på noget andet. Sammuts bredere pointe er, at AI fremskynder demokratiseringen af viden, som internettet begyndte.
Direktørversionen var aldrig så mekanisk, men den mindede om det. Information, fortolkning og institutionel hukommelse var knappe ressourcer. Knapheden var med til at fastsætte prisen.
AI eliminerer ikke værdien af erfaring. Det ændrer, hvad erfaring skal bevise.
Dokumentationen skal være noget, du har bygget
Christian skelner mellem ledere, der er AI-understøttede, og ledere, der er AI-indfødte, og han lægger ikke fingrene imellem, når det gælder, hvor få der har krydset den grænse.
“Jeg taler med folk, der siger: Vi er lige begyndt at bruge Copilot, og nu er vi AI-indfødte,” sagde han. “Og det er sådan lidt: Nej, desværre er I ikke. I er helt i begyndelsen af kurven for AI-understøttet anvendelse.”
Han vil se dokumentation for implementering: modeller, der er indlejret i arbejdsgange, agenter, der er rettet mod forretningsprocesser, og ledere, der er kommet tæt nok på arbejdet til at forstå, hvad der ændrede sig.
De virkelige ledere kommer til at få beskidte hænder ved at bruge tastaturer. Det er næsten umuligt at være AI-indfødt og samtidig være en lænestolshvad-som-helst.
Han læser virksomheder på samme måde og påpeger, at børsnoterede virksomheder er ivrige efter at fremhæve AI-afkast, og han antager, at nogle af disse påstande er overdrevne. Det, der interesserer ham, er tavshed.
“Hvis vi slet ikke praler, er det typisk et advarselstegn,” sagde han. “Hvis du er ansvarlig for AI-implementering i en virksomhed, og de ikke har noget AI-afkast, ser det ret sort ud, hvis du skal kunne hævde, at din rolle dér var en succes.”
Det skift, han beskriver, er, at troværdighed bliver mere efterprøvbar. “Jeg har ledet gennem tre transformationer” betyder stadig noget. I stigende grad er opfølgende spørgsmål: Hvad ændrede du rent faktisk i denne?
Hvor efterspørgslen koncentrerer sig
Det betyder ikke, at markedet bare har besluttet, at teknisk forståelse slår erfaring.
Christian siger, at klienter bliver ved med at komme til ham med en version af det samme problem.
“Mange ledere siger: ‘Hej, jeg har et 20-og-et-eller-andet-årigt vidunderbarn, der fuldstændig mangler tyngde og erfaring med transformation, men har bygget alle mulige seje ting og ved mest om AI.’ Og jeg overvejer, om jeg skal forfremme dem og gøre dem til min VP for AI-anvendelse, eller om jeg skal søge eksternt?”
Den tekniske barriere er, sådan som han fortæller det, ofte lavere, end ledere forestiller sig. Mange roller inden for AI-transformation er ikke ingeniørstillinger, og nysgerrige mennesker, der holder sig tæt på teknologien, kan lære værktøjerne.
Så gør han historien mere kompliceret.
De samme overvejelser, som gjorde sig gældende for 20, 10 og 50 år siden, er stadig relevante i dag.
Erfaring med transformation og evnen til at arbejde på tværs af processer, teknologi og mennesker er stadig vigtig, fordi det kun er halvdelen af problemet at bygge.
»Ibrugtagning er faktisk det største problem,« sagde Christian. »Teknologien er et lettere problem. Den er nemmere at løse.«
Uden opbakning fra interessenterne, tilføjede han, »bliver ibrugtagningen noget rod. Du kommer til at få ingen værdi, måske endda negativ værdi.«
Den nye fordel handler altså ikke rigtig om ungdom eller selv om fortrolighed med AI. Den handler om kombinationen af tilstrækkelig nærhed til teknologien til at kunne bygge og tilstrækkelig organisatorisk troværdighed til at få andre mennesker til at ændre sig.
Christian siger, at det er grunden til, at efterspørgslen koncentrerer sig mellem to arketyper:
- Den erfarne transformationsleder, der mangler praktisk fortrolighed med AI
- Den yngre udvikler, der mangler erfaring med at flytte en organisation.
Virksomheder, der placerer den anden direkte i tværfunktionelle lederroller, støder ofte ind i et tillidsproblem. Christian ser dem passe mere naturligt ind i roller som stabschef eller næstkommanderende, hvor de kan arbejde sammen med en mere erfaren leder.
To ord bærer en enorm vægt i det argument, og de fortjener nærmere granskning.
»Tyngde« og »ledelsesudstråling« har en lang historie med at fungere som stedfortrædere for at se ud og lyde som de mennesker, der allerede har jobbet. Enhver kompetence, der primært vurderes efter mavefornemmelse, risikerer at genskabe præferencerne hos de mennesker, der sidder i det rum, hvor vurderingen foregår.
Men Christians underliggende krav er mere konkret: Kan denne person få en skeptisk finanschef, driftschef eller leder af en forretningsenhed til at ændre den måde, deres team arbejder på?
Det handler ikke om polering. Det handler om indflydelse.
Og det tyder på, at erfaring ikke så meget er blevet devalueret, som den er blevet tvunget til at konkurrere med en ny form for dokumentation.
Dømmekraft kan opbygges eller forringes hurtigere
Tony Castellanos, vicepræsident med ansvar for personale hos Nextdoor, giver den mest nyttige beskrivelse af, hvordan en del af denne nye meritering bliver opbygget.
Det sker ikke gennem endnu et lederkursus.
Det er gentagelser. Det er praktisk erfaring. Der findes ikke rigtig et kursus eller en uddannelse, du kan tage for at få det. Det er ophobningen af sejrene og de hårde mavepustere, når du gør noget forkert.
AI kan øge antallet af disse praktiske erfaringer markant. Et problem, som nogen måske tidligere stødte på et dusin gange over flere år, kan nu stresstestes på snesevis af måder på en eftermiddag. Det burde skabe muligheder for at udvikle dømmekraft hurtigere.
Men der er en åbenlys komplikation. Mere output betyder også flere muligheder for ikke at se grundigt efter.
»Jeg har forsøgt at læse de fleste af de dokumenter, der er kommet min vej, men helt ærligt, de strømmer bare ind så hurtigt,« sagde Castellanos.
Så er der tilliden.
Arbejd tæt sammen med en model i seks måneder, valider hvert eneste output, og udøv reel dømmekraft, så begynder en forudsigelig menneskelig adfærd til sidst at vise sig: Kontrollen bliver gradvist mindre grundig.
»Du har en ny medarbejder, og du stoler ikke automatisk på alt, hvad vedkommende gør, men med tiden leverer de, de gør tingene rigtigt, og du får mere og mere tillid til dem, ligesom du gradvist får mere og mere tillid til en LLM,« sagde Castellanos.
»Når de sender ting til dig, som du skal korrekturlæse, revidere eller kontrollere, gør du sandsynligvis mindre og mindre af det over tid.«
Det skaber en besynderlig mulighed. AI kan øge de gentagelser, som dømmekraften formes gennem, samtidig med at den skaber betingelser, hvor denne dømmekraft bliver brugt sjældnere.
Castellanos' svar er ikke at kræve vedvarende menneskelig kontrol af alting. Han forestiller sig at introducere en »tredje skeptiker« — potentielt endnu et AI-system — hvis opgave er at udfordre arbejdsforholdet mellem mennesket og den model, som mennesket er kommet til at stole på.
To systemer er uenige. Mennesket skal beslutte hvorfor.
»Hvad er den rigtige beslutning? Hvad er det rigtige for mig? Hvad er det rigtige for min organisation?«
Pointen er ikke, at skeptikeren ved bedre. Det er, at uenighed tvinger dømmekraften tilbage i processen.
Det er vigtigt, fordi selve fortroligheden med AI på et tidspunkt vil blive mindre differentierende. Christian forudsiger, at det, der virker usædvanligt hos ledelseskandidater i dag, bliver en grundlæggende forventning.
Dagens bevis på, at nogen har usædvanligt gode AI-kompetencer, bliver morgendagens version af økonomisk dannelse.
Den holdbare kvalifikation handler ikke blot om at bruge teknologien. Den handler om at kunne afgøre, hvornår den er hensigtsmæssig, hvornår den er forkert, hvad der betyder noget, og hvad man skal gøre som det næste.
Udvælgelsesmaskineriet er bagud
Det skaber et problem for rekruttering og udvikling af ledere.
Det maskineri, der producerer topledere — efterfølgerplaner, kriterier for forfremmelse, lederprogrammer, P&L-ansvar og lange læretider inden for en funktion — blev i høj grad bygget op omkring akkumuleret erfaring.
En stor del af det maskineri, der bruges til at udvælge dem, er stadig det.
Christian sagde, at mange interviewprocesser for ledere ikke har ændret sig væsentligt. Virksomheder læner sig stadig kraftigt op ad velkendte adfærdsmæssige interviewspørgsmål, formler til at fremdrage eksempler og i sidste ende en samling mavefornemmelser fra interviewerne.
Han bliver spurgt om, hvilke nye spørgsmål virksomheder bør stille, fordi de kvaliteter, de nu efterspørger, kan være svære at identificere.
Hvis lederes troværdighed bliver omvurderet ud fra en kombination af dokumenteret handlekraft, dømmekraft og evnen til at få mennesker med gennem forandringer, vil det ikke gøre den store forskel blot at tilføje “AI-kompetence” til en gammel kompetencemodel.
Sammuts liste over det, der bliver mere værdifuldt, er afslørende netop fordi så lidt af det er nyt: dømmekraft, sans, troværdighed, pålidelighed, ansvarlighed og evnen til at påvirke uden formel autoritet. AI gør disse evner vigtigere, ikke mindre vigtige.
Og Castellanos når frem til et lignende sted fra en anden vinkel. Han forventer, at ekspertise fortsat vil være vigtig, mens flere mennesker arbejder på tværs af bredere problemområder og bruger AI til at få adgang til viden, der tidligere forblev låst inde i en funktion.
Det er denne omvurdering. Erfaring har stadig værdi. Det har teknisk kunnen også, men ingen af delene kan længere stå som erstatning for dokumentation.
Jo mere viden der bliver tilgængelig, desto sværere bliver det at basere anciennitet på blot at besidde den. Det, der i stedet får større værdi, er evnen til at gøre noget med den. Kan du identificere problemet, udvikle en løsning på det, vide, om resultatet er godt nok, og overbevise andre mennesker om at handle.
I årtier var lederpipeline-systemet indstillet til at finde mennesker, der havde set nok til at fortjene, at tvivlen kom dem til gode.
I stigende grad ligger tvivlen i interviewet.
